如何知道SVM模型的学习曲线是否存在偏差或方差？

我创建了这个学习曲线，我想知道我的SVM模型是否存在偏差或方差？我怎么能从这张图得出结论呢？

第1部分：如何阅读学习曲线

首先，我们应该关注图的右侧，那里有足够的数据可以进行评估。

• 如果两条曲线“彼此靠近”且两条曲线都得分较低。模型存在拟合不足问题（高偏差）

• 如果训练曲线的分数更高，而测试曲线的分数更低，即两条曲线之间的差距较大。然后，模型会遇到过度拟合的问题（高方差）

第2部分：我对您提供的地块的评估

从情节很难说模型是否好。您可能有一个真正的“简单问题”，一个好的模型可以达到90％。另一方面，您可能有一个真正的“难题”，我们能做的最好的事情就是达到70％。（请注意，您可能不会期望自己有一个完美的模型，比如说得分为1。可以实现多少取决于数据中的噪声大小。假设您的数据中有很多数据点具有EXACT功能，但标签不同，无论您做什么，都无法在得分上取得1分。）

您的示例中的另一个问题是，在实际应用程序中，有350个示例似乎太小了。

第3部分：更多建议

为了获得更好的理解，您可以进行以下实验，以体验过度拟合的情况，并观察学习曲线中将发生的情况。

• 选择一个非常复杂的数据（例如MNIST数据），并拟合一个简单的模型，例如具有一个特征的线性模型。

• 选择一个简单的数据（例如虹膜数据），并拟合一个复杂度模型（例如SVM）。

第4部分：其他示例

另外，我将给出两个与欠拟合和过度拟合有关的示例。请注意，这不是学习曲线，而是性能与梯度提升模型中的迭代次数有关，其中更多的迭代将有更多的过度拟合的机会。x轴表示迭代次数，y轴表示性能，这是ROC下的负面积（值越低越好）。

左边的子图不会出现过度拟合的情况（由于性能相当好，也不会出现拟合不足的情况），而右边的子图在迭代次数较大时会出现过度拟合的问题。